[发明专利]一种基于人工智能深度学习和多参数动态博弈的银行贷款发放与贷后管理决策支持系统

说明书

本发明主要属于科技金融信贷决策领域，具体涉一种基于人工智能深度学习和多参数动态博弈的银行贷款发放与贷后管理决策支持系统。本发明通过运筹学、博弈论、网络科学与经济学交叉的理论研究方法，综合考虑现有的人工智能、云计算、大数据、机器学习等前沿技术，并借鉴数据挖掘与机器学习、数据处理、深度学习理论，在金融机构在信贷决策时存在信息不对称的复杂动态的商业环境基础上，采用人工智能深度增强学习DQN的模型模拟人做决策的动态过程，构建多层次、全方位的用户识别、贷前评估及贷后管理的系统化智能化贷款决策系统，提高金融机构跨行业、跨市场、交叉性金融风险的识别、防范以及化解能力。

技术领域

本发明主要属于科技金融信贷决策领域，具体涉一种基于人工智能深度学习和多参数动态博弈的银行贷款发放与贷后管理决策支持系统。

背景技术

由于现有贷款流程中存在信息不对称问题，银行无法获取贷款者全部信息，因此银行在向客户提供贷款服务时尤为审慎，这使得贷款审核及发放流程较长，贷款客户体验感较差。同时，由于存在信息不对称，目前银行无足够数据和子信息进行决策，在进行贷后决策时也难以基于消费者不同的还款行为形成最优化贷后管理政策和动态化智能化的政策体系。

银行传统贷款业务流程存在诸多问题，经济新常态下须寻求转型。由于信息不对称，银行信贷业务中存在信用风险、市场风险以及流动性风险，同时，传统信贷管理流程中缺乏技术介入，银行内部上下级之间信息也存在差异，进一步导致了信贷审核效率低等问题。在经济新常态下，目前传统信贷业务存在以下信贷管理的行政化倾向、风险管理机制不合理、信用风险分析方法落后等问题。新形势下，银行需要对传统信贷管理方法进行优化。

基于新兴网络科学及传统经济学结合的视角，科技金融通过融合人工智能、区块链等核心技术，探寻其在金融经济领域应用场景。科技金融涵盖领域可简要概括为（1）信贷、存款及融资服务（2）支付、清算及结算（3）投资管理服务（4）保险。科技金融通过应用人工智能、区块链等技术，能够提高投资效率,满足新兴企业成长和传统产业数字化转型中的新金融需求，对实体经济发展有着积极作用。

本发明综合博弈论、运筹学和网络科学等理论框架构建人工智能深度学习和多参数动态博弈的银行贷款发放与贷后管理决策支持系统，为贷款机构的信贷决策提供科学可靠的实证支撑，提高金融机构跨行业、跨市场、交叉性金融风险的识别、防范以及化解能力。

发明内容

本发明涉及的智能化贷款体系模型，在借鉴和发展传统模型的基础上，进一步革新研究手段：结合信息博弈模型、实施非固定马尔科夫链模型的t-Copula仿真法、强化学习DQN算法、k-均值聚类模型、BP神经网络模型等；主要基于数据挖掘与机器学习、深度增强学习等前沿理论，云计算、大数据管理等技术，进一步解析人工智能在信贷决策的作用机理。具体的步骤包括用户识别、贷款评估和贷款管理。

本发明的通过以下技术方案实现：

本发明的用户识别步骤通过大数据、云平台和深度学习的应用，对用户指纹、声音、人脸及档案等信息进行用户画像，搭建基于用户分层的智能信贷数据库，实现客户信息的自动化、智能化处理。

首先，结合终端设备的生物识别技术，形成用户指纹库，并通过自然语音处理、计算机视觉、信息检索技术，充分利用社交媒体、交易平台等多维数据，对分散的、多渠道的信息进行整合，深入挖掘客户特征（指纹、声音、人脸、档案），形成建立数据库的基础。其次，利用k-均值聚类模型将数据成员进行分类组织：

K-均值算法代码如下：

。

进一步地，通过采用BP神经网络作为评估模型对分类的客户特征进行评估，完成对客户综合风险的评估，识别用户高风险交易的特征及信用等级，有效地交叉识别客户信息的真实性。最终在进行信贷决策时，实现对不良的用户信息和交易记录进行自动识别、过滤和更新。